Willkommen, Und Dank Du für Beitritt Mein Poster Präsentation
bei Das Jahres JMP C Konferenz.
Mein Name Ist Kaitlin Shorkey ,
Und Ich bin a Senior statistisch Ingenieur bei Corning Eingetragen.
Wie Tun Du erhalten a Blick von a Produkt Qualität
vor Es vervollständigt Die Produktion Verfahren?
Wir wählte Zu bauen a Modell Das Wille vorhersagen Die Produkt Qualität Ergebnis
vor Es hat vollendet Die gesamte Verfahren.
Dort Sind zwei wesentlich Vorteile von Das Ansatz.
Eins Ist Die Operationen Team
erhält sofort Rückmeldung An Wie Die Teile Wille durchführen
Und dürfen anpassen Die Verfahren In real Zeit.
Der zweite Ist Das Wir dürfen dem Die Produkt akzeptabel oder nicht.
Wie I Nur erwähnt, Die hauptsächlich Objektiv von Das arbeiten
Ist Zu bauen a prädiktiv Modell mit a wenige Modellieren Ansätze
Zu verstehen Und vorhersagen Produkt Qualität
basierend An bestimmt Produkt Messungen.
Unser wesentlich Schritte In Gebäude Das Modell
Sind Daten Sammlung, Modell Entwicklung, Testen Und Durchführung.
Zunächst einmal, für Die Daten Sammlung Phase, Teile Sind gesammelt bei Die Ende
von Die Produktion Linie Und geeignet Produkt Messungen Sind vollendet.
Der Teile Sind Dann unterworfen Zu Die Qualität prüfen.
Der Produkt Messungen Und Qualität Messung Ergebnisse
Sind kombiniert hinein a Daten Satz Und gebraucht für Gebäude Die Modell.
In Das Fall, Die Qualität Messung Ergebnisse
Sind kombiniert hinein a Daten Satz Und gebraucht für Gebäude Die Modell.
In Das Fall, Die Qualität Messung Ist Die Antwort
Und alle Die Produkt Messungen Sind Die Prädiktoren.
Der Datensatz besteht 767 Prädiktoren Und 990 Beobachtungen oder Teile.
Das Sachen dürfen nehmen a lang Zeit Zu ausführen.
Seit war Gebäude a Modell, es ist wichtig Zu erhalten als groß von a Reichweite
von Produkt Messungen Und Qualität Messung Ergebnisse als Wir dürfen.
Wenn Wir verlassen Das Die Genauigkeit Und Modell Vorhersagen
Sind mehr konsistent über Die Reichweite.
Im Wesentlichen, Das erlaubt Die Modell Zu genau vorhersagen bei alle Ebenen
von Die Produkt Qualität Ergebnisse.
Einmal Die Datensatz Ist zusammengestellt,
Es Ist gründlich untersucht Zu sicherstellen Es Ist als sauber als möglich.
Nach Die Daten Sammlung Und Reinigung,
Die zweite Phase von Modell Entwicklung Ist gestartet.
Für Das, Wir beginnen mit Variable Clustering.
Schritt von Regression, entfernen hoch korreliert Variablen
Und wählen Die am meisten wichtig diejenigen.
Mit Also viele Prädiktoren Wir zuerst bewerben Variable Clustering.
Das Verfahren erlaubt für Die Reduktion In Die Nummer von Variablen.
Variable Clustering Gruppen Die Prädiktoren,
Die Variablen hinein Cluster Das Aktie gemeinsam Eigenschaften.
Jede Cluster dürfen Sei vertreten von a einzel Komponente oder Variable.
A Ausschnitt von Die Cluster Zusammenfassung aus JMP Ist gezeigt,
welche zeigt an Das 85 % von Die Variation
Ist erklärt von Clustering.
Cluster 12 hat 49 Mitglieder,
Und V 232 Ist Die am meisten Vertreter von Das Cluster.
Der Variablen Das Sind identifiziert als Die am meisten Vertreter diejenigen
Sind Dann gebraucht In Die nächste Verfahren von schrittweise Regression.
Schrittweise Regression Ist gebraucht
An Die identifiziert gruppiert Variablen Zu wählen Die am meisten wichtig eins
Zu uns In Die Modell,
Und weiter reduziert Die Nummer von Variablen.
Für Das, Die nach vorne Richtung
Und Minimum korrigiert AIC Stoppen Regel Ist gebraucht.
Der Richtung Bedienelemente Wie Variablen eingeben Und verlassen Die Modell.
Der nach vorne Richtung bedeutet Das Bedingungen Sind eingegeben hinein Die Modell
Das haben Die kleinste p-Wert.
Der Stoppen Regel Ist gebraucht Zu bestimmen welche Modell Ist ausgewählt.
Der korrigiert AIC Ist basierend An Negativ zwei, Gesetz von Wahrscheinlichkeit,
Und Die Modell mit Die kleinste korrigiert AIC Ist a bevorzugt Modell.
Aus Das, 51 Variablen Sind eingegeben hinein Die Modell
von Die 99 verfügbar Variablen
aus Die Variable Clustering Schritt.
Bei Das Punkt, Wir haben reduziert Die Nummer
von Variablen aus 767 Zu 51
mit Variable Clustering Und schrittweise Regression.
Der Finale Verfahren Ist Zu fit a verallgemeinert Regression Modell.
Für Das, Die Gesetz von Normal Verteilung
Ist gebraucht mit ein adaptiv Lasso Schätzung Verfahren.
Für Das, Die lang Normal Verteilung Ist gebraucht
mit ein adaptiv Lasso Schätzung Verfahren.
Der Gesetz von Normal Verteilung Ist Die am besten
fit für Die Antwort, Also Ist gewählt Zu verwenden In Die Regression Modell.
Der adaptives Lasso Schätzung Verfahren
Ist a bestraft Regression Technik
welche schrumpft Die Größe von Die Regression Koeffizient
Und reduziert Die Varianz In Die schätzen.
Das hilft Zu verbessern prädiktiv Fähigkeit von Die Modell.
Auch Die Daten Satz War Teilt hinein a Ausbildung Und Validierung Satz.
Der Ausbildung Satz hat 744 Beobachtungen, Und Die Validierung Satz hat 246.
Aus Das, Die resultierende Modell produziert a .81 verallgemeinert R-Quadrat
für Die Ausbildung Satz Und .8 für Die Validierung Satz.
Diese R-Quadrate Sind akzeptabel für unser Verfahren Das Wir Wille Jetzt auswerten
Die Genauigkeit Und Vorhersagbarkeit von Die resultierende Modell.
Jetzt Das Wir haben a Modell, Wir brauchen Zu Rezension es ist Genauigkeit
Und Vorhersagbarkeit Zu sehen Wenn Es würde Sei geeignet Zu verwenden In Produktion.
In tun Das,
a Graph Ist produziert Das vergleicht a vorhergesagt Qualität Messung
für a spezifisch Teil Zu Die tatsächlich Qualität Messung.
In Die Graph die xx zeigt Die vorhergesagt Wert,
Und Die yx zeigt Die tatsächlich.
Auch, Die Qualität Messung Ist geeimert hinein drei Gruppen
basierend An es ist Wert, welche Ist gezeigt
von Die drei Farben An Die Graph.
In allgemein, Die Modell sagt voraus Die Qualität Messbrunnen.
Es tut erscheinen Das Die Modell Mai fit besser
In Die untere Produkt Qualität Reichweite
als Die obere, welche Mai Sei fällig Zu mehr Beobachtungen In Die untere Reichweite.
Als erwähnt, Die Qualität Messung
War geeimert hinein drei anders Kategorien basierend An es ist Wert.
Das War Auch Erledigt für Die prädiktiv Qualität Messung.
Für jede Beobachtung, Wenn Die Qualität Messung Kategorie
Ist Die Dasselbe als a vorhergesagt Messung Kategorie,
Es Ist zugewiesen Zu eins.
Wenn nicht, Es Ist zugewiesen Zu null.
Für beide Die Ausbildung Und Validierung Sätze, Die Durchschnitt von diese diejenigen Und Nullen
Ist berechnet Und Ist gebraucht als Die Genauigkeit zu messen.
Wir sehen Das Ausbildung Satz hat ein Genauigkeit von 87,5 %
Und Die Validierung Satz hat ein Genauigkeit von 84 %.
Für Die Modell Zu Sei bewegt Zu Die Testen Phase,
Genauigkeit muss Sei über a bestimmt Limit,
Und beide von diese Genauigkeit Werte Sind.
Das Wille erlauben uns Zu bewegen Zu Die Testen Phase von Die Projekt.
In Zusatz, Wir sehen bei Die Verwirrung Matrix
Zu visualisieren Die Genauigkeit von Die Modell
von Vergleichen Die tatsächlich Zu Die vorhergesagt Kategorien.
Ideal, Die aus Diagonalen von jede Matrix sollen Sei alle Nullen,
mit Die Diagonale aus Spitze links Zu unten Rechts enthaltend alle Die zählt.
Der Matrizen zeigen An Die Poster Das Die höher zählt Sind entlang
Das Diagonale mit untere Zahlen In Die aus Diagonale,
Aber Diskrepanzen Trotzdem existieren unter Die drei Kategorien.
Für Beispiel, In Die Ausbildung Satz, Dort Sind 29 Instanzen Wo Die tatsächlich
Qualität Messung von Die drei War vorhergesagt als a zwei.
In Die Dasselbe Fall für Die Validierung Satz, Dort Sind 12.
Der Verwirrung Matrix hilft Zu verstehen Wo diese Diskrepanzen Sind
Also weiter Untersuchungen dürfen Sei Erledigt Und Verbesserungen gemacht.
Gesamt obwohl, Die Modell hat ein Genauigkeit über Das erfordert Limit,
Wo unser nächste Schritt würde Sei Die Testen Und Durchführung Phasen.
Jetzt Das unser Modell Ist durch Die Entwicklung Phase,
es ist Zeit Zu prüfen Es In live Situationen.
Für Das, Die Modell Ist gebraucht unter Maschinenbau Kontrolle
Zu bestimmen Wie Also Es sagt voraus Die Qualität Messung
In klein, kontrolliert Experiment.
Das Ist Erledigt von Die Maschinenbau Team
mit Unterstützung aus Die Projekt Team Wann notwendig.
Einmal Die Maschinenbau Team Ist befriedigt mit Das Testen,
Die Modell Ist voll umgesetzt hinein Produktion Und überwacht über Zeit.
In Abschluss, Das Modell Entwicklung Verfahren
hat erlaubt uns Zu bauen
prädiktiv Modelle für Die Produktion Verfahren.
Der Methoden von Variable Clusterbildung,
schrittweise Variable Auswahl In verallgemeinert Regression
war Die am meisten geeignet Und am besten Studenten Zu verwenden
für Das Anwendung.
Mit weiter Forschung Und Untersuchung,
andere Methoden könnte Sei potenziell angewandt
Zu verbessern Modell Leistung sogar mehr.
Aus a Produktion Standpunkt, Die Nutzen von Das Modell
Ist Das Die Operationen Team Wille erhalten sofort Rückmeldung An Wie a Teil
oder Gruppe von Teile Wille durchführen, Und dürfen aufnehmen Die Melodie
Und Melodie Die Verfahren In real Zeit.
Wir dürfen Auch halten Die Produkt akzeptabel oder nicht.
Wenn abgelehnt, Die Produkt Ist entsorgt von Und Wille nicht weitermachen durch Die Verfahren,
welche über Zeit reduziert Produktion Kosten.
Schließlich, Ausweis wie Zu geben a riesig besonders Dank Du
Zu Zvouno und Regen Und Die gesamte Projekt Team
bei Corning Incorporated.
Dank Du für Beitritt Und Hören Zu Mein Poster Präsentation.
